上个月接了农田无人机巡检的项目要在100米飞行高度下检测苗期虫害、杂草斑和缺苗断垄目标普遍只有5-20像素属于典型的极小目标检测场景。一开始图省事直接拿YOLOv26s的预训练权重迁移训练训了300轮一测整体mAP0.5只有58.3%小目标AP更是只有27.6%漏检率快到40%甲方现场测了两个架次直接摇头。当时想过直接换v26-l大模型结果机载边缘板跑不动帧率直接砍半满足不了实时出结果的要求也试过无脑堆注意力模块精度没涨多少速度先掉了一截。前后磨了三周从锚框、检测头、特征增强到损失函数四个维度针对性优化没有换大模型也没有大幅增加参数量最终整体mAP拉到了65.5%小目标AP冲到41.8%单帧推理速度只慢了3ms完全满足机载边缘部署的要求。今天把整套优化方案完整拆开每一步都附实测涨点和踩坑细节都是工程上可直接落地的方法照着改就能看到效果。一、先搞懂航拍小目标为什么天生难检测无人机俯视角的数据和COCO通用数据集的分布差异极大预训练模型迁移过来水土不服是必然的核心问题集中在四点第一目标占比极低特征容易被淹没。100米高度下的4000×3000航拍图里小虫害只有3-8像素占整张图比例不到0.01%。经过五次下采样后深层特征图上连一个完整像素都占不到特征直接被背景噪声淹没模型根本学不到有效信息。第二视角完全不同预训练特征迁移性差。COCO里的物体基本都是平视、侧视有立体阴影和纹理航拍是纯垂直俯拍只有顶面纹理没有立体特征。模型预训练学到的通用特征到了航拍场景大半都用不上相当于要从头学新特征。第三背景干扰复杂误检率天然高。农田里的泥点、落叶、水渍、地膜反光外观和小病斑高度相似田埂、农机车辙、杂草丛又很容易被误判成缺苗。背景相似度越高模型的区分难度就越大。第四尺度跨度大单一检测头顾不过来。同一张图里既有几像素的虫斑也有几米宽的杂草丛尺度差能到几十倍。原生三个检测头的覆盖区间对极小目标的适配度很差。二、优化一锚框重聚类零成本涨2.1个点这是第一步必做的优化零代码改动成本只需要重新跑一遍聚类就能带来最直观的涨点。2.1 原生锚框的致命问题YOLO默认的9组锚框是基于COCO数据集统计出来的最小的锚框也有12×9像素对应的是常规目标的尺寸。但我们的航拍数据里超过40%的目标宽高都在10像素以下大部分目标连最小的锚框都匹配不上正样本数量严重不足。模型学不到足够的正样本召回率自然上不去表现出来就是小目标漏检严重loss降得很慢。2.2 正确的聚类方式IoU距离度量不要用普通k-means拿宽高直接做欧式距离聚类那是新手最容易踩的坑——聚类出来的锚框看起来尺寸对了实际匹配IoU很低效果还不如原生的。正确的做法是用IoU作为距离度量目标函数是让所有标注框和对应锚框的平均IoU最大这才和检测的目标对齐。核心实现逻辑importnumpyasnpdefkmeans_iou(boxes,k9):基于IoU距离的锚框聚类nlen(boxes)# 随机初始化中心点centroidsboxes[np.random.choice(n,k,replaceFalse)]last_clustersnp.zeros(n)for_inrange(300):# 计算每个框到所有中心点的1-IoU距离distances[]forboxinboxes:ious[]forcentroidincentroids:w_minmin(box[0],centroid[0])h_minmin(box[1],centroid[1])interw_min*h_min unionbox[0]*box[1]centroid[0]*centroid[1]-inter ious.append(inter/union)distances.append(1-np.array(ious))distancesnp.array(distances)# 分配最近簇clustersnp.argmin(distances,axis1)if(clusterslast_clusters).all():breaklast_clustersclusters.copy()# 更新簇中心new_centroids[]foriinrange(k):cluster_boxesboxes[clustersi]iflen(cluster_boxes)0:new_centroids.append(centroids[i])else:new_centroids.append(cluster_boxes.mean(axis0))centroidsnp.array(new_centroids)# 按面积从小到大排序areacentroids[:,0]*centroids[:,1]returncentroids[np.argsort(area)]2.3 实测效果我们的数据集聚类后最小锚框从12×9降到了4×6刚好覆盖大部分虫害目标的尺寸正样本匹配率直接提升了一倍多。单这一项优化小目标AP就从27.6%涨到了29.7%整体mAP涨了2.1个百分点推理速度完全没有变化属于纯赚的优化。踩坑提醒聚类前记得把所有标注框都归一化到输入尺寸下再算不要直接用原图像素坐标聚类不然不同分辨率的图混在一起结果完全不准。三、优化二新增P2检测头守住极小目标底线锚框优化只能缓解匹配问题解决不了深层特征丢失的本质。原生YOLO最小的P3检测头是下采样8倍对应640输入的话每个特征点对应8×8像素的原图区域。小于8像素的目标在P3层连一个特征点都占不满特征提取非常弱。3.1 新增P2检测头的思路在下采样4倍的位置新增P2检测头专门负责32像素以下的极小目标。对应的Neck部分增加一层上采样把P3的特征和主干C2层的特征融合后送入P2检测头输出结果。改动量很小只需要修改yaml配置文件加一层上采样、一层融合、一个检测头就行完全兼容原生训练逻辑。核心配置改动# Neck部分增加一层上采样与融合head:-[-1,1,nn.Upsample,[None,2,nearest]]-[[-1,2],1,Concat,[1]]# 融合主干C2层特征-[-1,2,C2f,[128,False]]# 后续P3/P4/P5保持不变-[-1,1,Conv,[256,3,2]]-[[-1,4],1,Concat,[1]]# ... 后续原生结构不变3.2 速度与精度的权衡加P2头之后模型计算量大概涨了14%听起来不少但实际推理时因为P2层特征图大但通道数少实际推理速度只慢了2-3ms。我们的实测数据加P2头之后小目标AP直接从29.7%涨到了32.5%整体mAP再涨1.8个点来到了62.2%。机载边缘板上从28帧降到27帧几乎感知不到。注意不要盲目加P1检测头。下采样2倍的P1层特征图太大计算量暴涨收益却很低绝大多数场景下得不偿失P2已经是性价比最高的选择。四、优化三浅层插轻量注意力过滤背景噪声小目标检测最大的敌人是背景噪声。深层特征语义强但细节少不适合小目标浅层保留了丰富的纹理细节但背景干扰也多杂草、泥点、反光都容易被当成目标。4.1 为什么加在浅层很多人喜欢在主干最后、Neck里加注意力其实对小目标收益很低。小目标的特征主要集中在C2、C3两个浅层深层里小目标的信息已经丢失得差不多了再加注意力也补不回来。我们选择在C2、C3两个浅层模块的输出端各加一个轻量的坐标注意力CA强化通道和空间维度的目标特征抑制背景噪声。注意力用轻量型的不要用太重的结构不然速度掉得厉害。4.2 实测效果两个浅层加注意力参数量只涨了0.3M几乎可以忽略。实测小目标AP从32.5%涨到33.7%整体mAP再涨1.2个点来到63.4%。推理速度基本没变化边缘板上帧率还是27帧。踩坑提醒不要全主干乱加注意力。加得越多计算量涨得越快而且深层的注意力对小目标几乎没有收益反而容易引入过拟合。浅层加2个就足够了性价比最高。五、优化四损失加权SIoU提升小目标定位精度前面都是提升召回率这一步优化定位精度。原生的损失函数对所有大小的目标一视同仁但对小目标来说偏移1个像素的误差占目标尺寸的比例远大于大目标定位容错率低得多。5.1 小目标损失动态加权根据目标的宽高动态调整每个框的损失权重面积越小权重越高强迫模型把优化重心向小目标倾斜。实现起来很简单在损失计算里加一行权重计算# 目标面积归一化后计算权重小目标权重更高area(boxes[:,2]-boxes[:,0])*(boxes[:,3]-boxes[:,1])norm_areaarea/(img_w*img_h)weight1.02.0*(1.0-norm_area)# 小目标权重最高3倍权重不要加太大建议最高2-3倍就够了不然会导致大目标的精度下降得不偿失。5.2 替换SIoU损失原生CIoU损失只考虑了距离、重叠率和宽高比没有考虑方向匹配。SIoU加入了角度惩罚项让预测框更快地对齐真实框的方向对小目标的定位精度提升尤其明显。替换损失函数后小目标的定位准度明显提升框更贴边偏移更少。实测小目标AP再涨1.1个百分点整体mAP最终稳定在65.5%相比原生涨了7.2个点。六、消融实验每一步的涨点都算得明明白白所有测试均在同一测试集、同一硬件环境下完成输入尺寸640×640测试集包含1200张真实航拍图小目标占比42%。优化方案整体mAP0.5小目标AP0.5(32px)边缘板FPS(RK3588)YOLOv26s 原生58.3%27.6%28锚框重聚类60.4%29.7%28新增P2检测头62.2%32.5%27浅层注意力63.4%33.7%27损失加权SIoU65.5%41.8%27可以看到四项优化加起来整体mAP涨了7.2个点小目标AP更是涨了14.2个百分点而推理速度只降了1帧完全满足边缘部署的速度要求。七、推理端彩蛋SAHI切片推理不用重训再涨3个点如果是离线批量处理对实时性要求不高还可以在推理端用SAHI切片推理不用重新训练模型小目标AP还能再涨3个点左右。原理很简单把大尺寸航拍图切成带重叠的小切片逐个送入模型检测最后把结果合并回原图坐标。相当于变相提升了小目标的像素占比模型更容易识别。我们实测4000×3000的原图切成640×640的切片重叠率20%小目标AP能从41.8%涨到45.1%代价就是单图处理时间从37ms涨到了500ms左右适合非实时的批量处理场景。八、踩坑总结这四个坑我挨个踩过坑1锚框聚类用欧式距离一开始图省事直接拿宽高做普通k-means结果出来的锚框看起来尺寸接近实际IoU匹配率很低效果还不如原生的。解决必须用1-IoU作为距离度量聚类目标和检测目标对齐效果才会真的提升。坑2P2层加太多通道一开始给P2层设了256通道结果计算量暴涨速度掉了快三分之一精度却没涨多少。解决小目标检测头通道不用太多128足够通道多了反而容易过拟合还拖慢速度。坑3注意力全主干乱加觉得加得越多越好主干每个C2f后面都加结果参数量涨了好几兆精度没涨速度掉了一大截。解决只在浅层加2个就够了深层加了对小目标也没用纯浪费算力。坑4小目标权重加太高为了追小目标指标把权重拉到了5倍结果小目标AP涨了一点大目标和中目标的精度掉了一大截整体mAP反而降了。解决权重最高2-3倍就够了平衡大小目标的精度不要顾此失彼。总结无人机航拍的小目标优化从来不是换大模型、堆参数量就能解决的。锚框聚类是零成本的必选项先把正样本匹配率拉上去新增P2检测头是提升小目标召回率的核心浅层注意力补一下特征增强最后调损失函数提定位精度。四步下来不用换模型不用大幅加计算量就能拿到非常可观的涨点。做工业落地永远是性价比优先。用最少的计算量换最大的精度提升才是最适合落地的方案。